एंटी-एआई ट्रिक्स x गलत उत्तर रैंकिंग

AI BENCHY श्रेणी विफलताएँ

देखें कि एंटी-एआई ट्रिक्स में किन AI मॉडलों में गलत उत्तर आने की सबसे अधिक संभावना है, ताकि आप कमजोरियाँ जल्दी पहचान सकें।

दिखाए गए मॉडल

कुल विफलताएँ

245

सबसे अधिक प्रभावित मॉडल

विफलता के कारण

गलत उत्तर245 निर्देशों का पालन नहीं किया30 अतिरिक्त फॉर्मेटिंग14 API त्रुटि13 समय समाप्त4 कोई उत्तर नहीं2

श्रेणियाँ

डोमेन-विशिष्ट314 एंटी-एआई ट्रिक्स245 कोडिंग194 पहेली समाधान147 सामान्य ज्ञान130 निर्देश पालन53 संयुक्त52 डेटा पार्सिंग और निष्कर्षण35 Samanya Buddhimatta32 टूल कॉलिंग2

रैंक	मॉडल	कंपनी	गलत उत्तर संख्या	श्रेणी स्कोर	सही परीक्षण	प्रतिक्रिया समय (औसत)
#157	Grok 4.1 Fast none	X AI	3	3.2	0/4	1.07s
#160	LFM2-24B-A2B none	Liquid	3	3.3	0/3	471ms
#32	Gemini 3.5 Flash minimal	Google	2	6.5	2/4	892ms
#34	Qwen3.7 Max none	Qwen	2	6.5	2/4	1.08s
#61	Gemini 3.1 Flash Lite low	Google	2	7.3	2/4	1.84s
#67	MiniMax M3 medium	Minimax	2	5.5	1/4	14.9s
#79	Hunter Alpha medium	OpenRouter	2	7.3	2/4	4.75s
#85	Gemma 4 31B none	Google	2	6.5	2/4	1.85s
#88	Qwen3.7 Plus none	Qwen	2	6.5	2/4	1.38s
#90	Gemini 3.1 Flash Lite none	Google	2	7.5	2/4	1.07s
#91	GPT-5.5 none	OpenAI	2	6.9	2/4	1.31s
#94	GPT-5 Nano medium	OpenAI	2	6.5	2/4	25.5s
#136	Elephant Alpha medium	Openrouter	2	6.6	2/4	1.19s
#140	Qwen3 Coder Next none	Qwen	2	3.6	0/4	3.31s
#146	Laguna Xs.2 none	Poolside	2	3.0	0/4	534ms

←

1 3 4 5 8

→

गलत उत्तर संख्या के अनुसार शीर्ष मॉडल